基于多特征融合的粒子滤波跟踪算法研究
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 目标跟踪的发展现状 | 第14页 |
| 1.3 目标跟踪算法研究现状 | 第14-15页 |
| 1.4 论文的主要工作与结构安排 | 第15-17页 |
| 第2章 视频目标跟踪理论 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 视频目标跟踪的原理 | 第17-18页 |
| 2.3 视频目标跟踪方法 | 第18-19页 |
| 2.3.1 基于特征的跟踪 | 第18页 |
| 2.3.2 基于主动轮廓的跟踪 | 第18-19页 |
| 2.3.3 基于区域的跟踪 | 第19页 |
| 2.3.4 基于模型的跟踪 | 第19页 |
| 2.4 目标跟踪中常用的算法 | 第19-22页 |
| 2.4.1 均值漂移算法 | 第19-20页 |
| 2.4.2 Cam Shift算法 | 第20-21页 |
| 2.4.3 标准卡尔曼滤波(KF) | 第21页 |
| 2.4.4 扩展卡尔曼滤波(EKF) | 第21-22页 |
| 2.5 目标跟踪的要求 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 粒子滤波算法 | 第23-29页 |
| 3.1 引言 | 第23页 |
| 3.2 贝叶斯估计 | 第23-24页 |
| 3.3 蒙特卡罗方法 | 第24-25页 |
| 3.4 序贯重要性采样 | 第25-26页 |
| 3.5 粒子退化问题和重采样 | 第26-27页 |
| 3.6 粒子滤波具体实现 | 第27-28页 |
| 3.7 本章小结 | 第28-29页 |
| 第4章 基于多特征融合的粒子滤波跟踪算法 | 第29-51页 |
| 4.1 引言 | 第29页 |
| 4.2 常见的目标特征 | 第29-36页 |
| 4.2.1 颜色特征 | 第29-32页 |
| 4.2.2 纹理特征 | 第32-35页 |
| 4.2.3 特征点 | 第35-36页 |
| 4.3 多特征融合的粒子滤波跟踪算法 | 第36-42页 |
| 4.3.1 均值漂移算法收敛性分析 | 第36-37页 |
| 4.3.2 特征提取 | 第37-38页 |
| 4.3.3 相似性度量 | 第38-39页 |
| 4.3.4 特征融合策略 | 第39-40页 |
| 4.3.5 粒子数量更新策略 | 第40-41页 |
| 4.3.6 多特征融合算法实现 | 第41-42页 |
| 4.4 仿真实验与结果分析 | 第42-50页 |
| 4.5 本章小结 | 第50-51页 |
| 总结与展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第58页 |
